基于在线社交网络的推荐系统若干问题研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第11-15页 |
| 1.1 研究背景以及意义 | 第11-13页 |
| 1.2 本文主要贡献 | 第13-14页 |
| 1.3 本文的组织结构 | 第14-15页 |
| 第二章 相关工作 | 第15-21页 |
| 2.1 推荐系统算法概述 | 第15-18页 |
| 2.1.1 情景感知的推荐系统 | 第16-17页 |
| 2.1.2 社交推荐 | 第17-18页 |
| 2.2 在线评论数据挖掘 | 第18-19页 |
| 2.3 半监督学习 | 第19-21页 |
| 第三章 融合社交影响的推荐系统算法 | 第21-35页 |
| 3.1 识别用户的社会角色 | 第23-26页 |
| 3.2 角色特定的社交推荐算法 | 第26-28页 |
| 3.3 融合社交影响的推荐系统算法的评估 | 第28-35页 |
| 3.3.1 实验设定 | 第29页 |
| 3.3.2 推荐算法性能的衡量 | 第29-31页 |
| 3.3.3 骨架网络的评估 | 第31-32页 |
| 3.3.4 效率评估 | 第32-33页 |
| 3.3.5 参数调节实验 | 第33-35页 |
| 第四章 基于评论的情景感知推荐系统算法 | 第35-61页 |
| 4.1 问题定义 | 第38-39页 |
| 4.2 评论的多分类 | 第39-41页 |
| 4.3 含完整观测值的效用模型 | 第41-44页 |
| 4.4 包含缺失观测值的效用模型 | 第44-50页 |
| 4.4.1 CPV模型 | 第44-47页 |
| 4.4.2 CPP模型 | 第47-50页 |
| 4.5 基于评论的情景感知推荐系统算法评估 | 第50-61页 |
| 4.5.1 实验设定 | 第50-53页 |
| 4.5.2 情景分类器的表现 | 第53-55页 |
| 4.5.3 冷启动的推荐问题 | 第55-56页 |
| 4.5.4 情景感知的地标的可视化展示 | 第56-57页 |
| 4.5.5 情景感知的推荐系统 | 第57-61页 |
| 第五章 结束语 | 第61-63页 |
| 5.1 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
